BAB III PERALATAN DAN PROSEDUR PENELITIAN 3.1 Material dan...

BAB III

PERALATAN DAN PROSEDUR PENELITIAN

3.1 Material dan Peralatan Penelitian

Pengujian dilakukan dengan memakai raw material besi silinder pejal

carbonsteel setara ST 41 dengan diameter 20 mm sejumlah 10 buah sampel. Panjang

sampel adalah 100 mm sedangkan daerah yang dibubut sepanjang 50 mm. Mesin

yang digunakan adalah CNC EMCO Turning yang berada di laboratorium

manufaktur Departemen Teknik Mesin UI dengan mata pahat yang digunakan adalah

merk SECO tipe DCMT11T308-F2 buatan Swedia. Pada saat proses pemesinan

turning, parameter putaran spindle yang digunakan adalah 2000 RPM dan depth of

cut sebesar 0,50 mm. Adapun variasi feedrate dimulai dari 50 sampai 275 mm/menit

dengan nilai perbedaan untuk setiap sampel adalah 25 mm/menit.

Identifikasi permukaan semua sampel dilakukan dengan kamera digital

profesional merk Canon EOS 350D dengan lensa Carl Zeis Vario Sonnar dengan

kemampuan makro 1 : 0.4 yang terhubung ke mikroskop dengan perbesaran 100 kali.

Pencahayaan yang digunakan adalah 13 buah LED warna putih berkekuatan total 1.5

Watt dengan variasi sudut pencahayaan sebesar 15°,45° dan 90°.

Pengolahan citra digital kekasaran permukaan dilakukan dengan bantuan tools

software Matlab dengan memanfaatkan aplikasi Image Processing Toolbox (IPT).

Program yang dibuat bertujuan untuk melakukan analisa terhadap beberapa

karakteristik yang khas dari image permukaan spesimen hasil pembubutan. Parameter

yang diteliti adalah nilai brightness/derajat keterangan dari tiap piksel.

3.2 Prosedur Penelitian

Tahap awal sebelum melakukan proses turning pada setiap sampel adalah

melakukan pemrograman pada mesin CNC dengan melakukan input data berupa

parameter kecepatan spindel, depth of cut dan feed rate. Untuk semua sampel nilai

dari kecepatan spindel dan depth of cut-nya sama yaitu 2000 RPM dan 0,5 mm.

Sedangkan nilai feed rate nya berbeda sebesar 25 mm/menit untuk setiap sampel

Universitas Indonesia 34Identifikasi fitur..., Gatot Eka Pramono, FTUI, 2009

dengan input data awal sampel 1 sebesar 50 mm/menit dan data sampel 10 sebesar

275 mm/menit. Sampel yang sudah ada kemudian ditempatkan pada spindle setelah

itu dilakukan proses pembubutan satu-persatu untuk semua sampel dengan

menggunakan mata pahat yang sama. Selanjutnya semua sampel yang sudah selesai

dibubut kemudian diukur nilai kekasarannya dengan Stylus Profile Meter AMS

buatan Inggris yang berada di Laboratorium Metrologi DTM FTUI. Hasil yang

tercetak berupa nilai Ra, Rmax dan Rz seperti terlihat pada lampiran. Pengukuran

dilakukan sebanyak dua kali untuk masing-masing sampel pada lintasan yang sama

untuk kemudian dibandingkan nilainya dengan nilai kekasaran alami (natural

roughness) yang didapatkan dari hasil pehitungan. Hasil pengukuran kemudian

disusun dalam bentuk tabel untuk memudahkan proses analisa. Langkah selanjutnya

adalah melakukan identifikasi permukaan semua sampel dengan kamera digital

profesional merk Canon EOS 350D yang terhubung ke mikroskop dengan perbesaran

100 kali. Pencahayaan yang digunakan adalah 13 buah LED warna putih dengan

variasi sudut pencahayaan sebesar 45°, sudut ini merupaka sudut yang paling optimal

setelah dilakukan beberapa kali pengujian dengan berbagai variasi sudut. Lokasi

pengambilan image identik dengan lokasi pengukuran kekasaran dengan stylus

profile meter. Tipe file gambar yang dihasilkan adalah RAW dan JPG dengan

resolusi gambar yang dihasilkan sebesar 3456 X 2304 , kemudian dilakukan cropping

menjadi 1024x1024 piksel. Pada saat pengolahan gambar secara komputasi, file yang

digunakan adalah tipe jpeg.


Pembuatan sampel

Proses pemesinan (CNC Turning)

Pengukuran Surface Roughness

Identifikasi image (Mikroskop + Kamera Digital)

Software Programming Matlab (Image Processing)

Hasil (Data & Grafik)

Analisa & Kesimpulan

Gambar 3.1 Diagram alir prosedur penelitian


Gambar 3.2 Skema susunan peralatan identifikasi gambar/ image

Gambar 3.3 Sampel hasil pemesinan turning


Gambar 3.4 Stylus profile meter

Gambar 3.5 Mikroskop & kamera digital sebagai alat identifikasi image


Permukaan sampel yang telah diidentifikasi selanjutnya diproses dengan

Matlab programming yang telah dibuat sebelumnya untuk mengamati karakteristik

dari masing-masing image berupa program untuk memperlihatkan/mengolah file

image yang telah didapat dengan menggunakan kamera digital untuk mengetahui

karakteristik ataupun fitur-fitur yang teridentifikasi pada file image tersebut.

Algoritma 1, untuk memperlihatkan hasil plot 2D baris piksel yang paling tengah

dari gambar permukaan sampel.

Inisial/Masukan awal

Menentukan file gambar mana yang akan di analisa

Pengolahan gambar

Mengambil 1 layer dari file gambar yang akan dianalisa

Menentukan koordinat piksel dari data gambar yang akan dianalisa

Hasil

Menampilkan Plot grafik 2D dari data yang telah dipilih dan diolah.

Algoritma 2 , untuk memperlihatkan hasil plot 3D dari gambar permukaan sampel.

Inisial/Masukan awal

Menentukan file gambar mana yang akan di analisa

Pengolahan gambar

Mengambil 1 layer dari file gambar yang akan dianalisa

Membuat matrik dengan dimensi yang sama dengan matrik gambar

(sebagai kordinat X dan Y)

Mengisi nilai matrik baru dengan data gambar (sebagai Z).

Hasil

Menampilkan Plot grafik 3D dari data gambar


BAB IV

HASIL PENGUKURAN DAN ANALISA

4.1 Hasil Pengukuran Kekasaran

Hasil pengujian dengan 10 sampel menunjukan kelas kekasaran bervariasi

dengan rentang nilai kekasaran natural hasil perhitungan berkisar antara 0,03 sampai

0,76 μm dan rentang nilai hasil pengukuran dengan stylus profile meter berkisar

antara 0,83 sampai 2,30 μm. Berikut ini adalah tabel nilai kekasaran dengan variasi

nilai feed rate-nya :

Tabel 4.1 Nilai kekasaran natural dan pengukuran

Ra

(μm)

No

sampel

Spindle speed

(RPM)

Depth of cut

(mm)

Feedrate

(mm/menit)

1 2

1. 50 0,03 0,97

2. 75 0,06 0,83

3. 100 0,11 1,03

4. 125 0,16 0,88

5. 150 0,23 1,36

6. 175 0,31 1,35

7. 200 0,40 0,93

8. 225 0,51 1,53

9. 250 0,63 2,30

10.

2000

0,50

275 0,76 1,96

Keterangan : Ra (1) = Nilai kekasaran natural (Natural roughness) hasil perhitungan. Ra (2) = Nilai kekasaran rata-rata hasil pengukuran dengan stylus profile meter


Cara perhitungan nilai kekasaran natural :

Diketahui nilai r = 0,2 – 0,8 mm dari katalog pahat SECO buatan Swedia.

Untuk pahat dengan tipe DCMT11T08-F2, nilai radiusnya sebesar 0,8 mm. Berikut

ini adalah perhitungan untuk sampel nomor 1 :

mR

R

rfR

a

a

a

μ03,08,0

)2000/50(0321,0

0321,0

2

2

=

=

=

4.2 Identifikasi image/gambar

Sampel yang sudah diukur nilai kekasaran permukaanya, selanjutnya

diidentifikasi dan diambil gambarnya dengan menggunakan kamera digital merk

Canon EOS 350D yang terhubung pada mikroskop dengan perbesaran 100x dan

sudut pencahayaan sebesar 45° sudut ini merupakan sudut yang paling optimal

berdasarkan ujicoba yang telah dilakukan sebelumnya. Image yang dihasilkan

berformat jpeg dengan resolusi 3456 X 2034 yang selanjutnya dilakukan cropping

untuk memperkecil resolusinya menjadi 1024 X 1024. Hal ini dilakukan agar

nantinya proses komputasi tidak terlalu memakan resource komputer. Image yang

telah didapat kemudian diproses secara komputasi menggunakan bahasa

pemrograman Matlab. Tahapan proses analisa yang dilakukan berupa pengeplotan

nilai brightness untuk setiap piksel dari gambar sampel. Sampel pertama yang

diamati adalah pelat kalibrator 2,9 μm dan diplot nilai brightness dari baris piksel

yang paling tengah, seperti terlihat pada gambar 4.1.


a b

Brig

htne

ss

Pixel

Gambar 4.1 (a)image sampel 2.9 mikron (b)Plot 2D dari image

Dari gambar diatas dapat kita lihat bahwa nilai brightness dari piksel tersebut

berbanding lurus dengan ketinggian permukaan sampel. Dalam gambar diatas, bagian

yang putih merupakan puncak dan bagian yang gelap merupakan lembah.

Hasil plot diatas ternyata sesuai dengan hasil plot yang kita dapatkan apabila

kita mengeplot dengan menggunakan Stylus Profile Meter, tentu saja dengan

parameter pengukuran yang berbeda. Pada Stylus Profile Meter parameter

ketinggian yang diukur adalah tinggi aktual dari permukaan sampel, sedangkan pada

hasil plot image, parameter ketinggian yang diukurnya adalah nilai brightness dari

piksel image tersebuat.

Dibawah ini terdapat gambar-gambar hasil pengeplotan dari 10 sampel.

a b

Brig

htne

ss

Pixel

Gambar 4.2 (a)image sampel 1 (b)Plot 2D dari image


a b

Brig

htne

ss

Pixel


a b

Brig

htne

ss

Pixel


Brig

htne

ss

Pixela b Gambar 4.5 (a)image sampel 4 (b)Plot 2D dari image


Brig

htne

ss


Brig

htne

ss


Brig

htne

ss

Pixel

a b Gambar 4.8 (a)image sampel 7 (b)Plot 2D dari image


Brig

htne

ss


Brig

htne

ss


Brig

htne

ss

Pixel



Dari gambar-gambar diatas dapat kita simpulkan bahwa hasil pengeplotan 2D

dari sampel-sampel dapat menggambarkan keadaan dari permukaan sampel. Namun

perlu digaris bawahi bahwa nilai yang diambil adalah nilai brightness dari image

sehingga sangat dimungkinkan terjadi kesalahan penafsiran. Hal ini bisa terjadi

apabila ada bagian lembah dari permukaan sampel yang memantulkan cahaya lebih,

sehingga nilai brightness-nya besar, maka dalam pengeplotan akan terlihat seperti

puncak. Hal ini dapat terjadi karena adanya ketidak teraturan dari permukaan sampel

sehingga membuat pantulan cahaya menjadi tidak beraturan pula.

Untuk lebih melihat lebih dalam lagi, maka kita harus memanfatkan semua

nilai piksel yang ada dari gambar tersebut, bukan hanya satu baris saja, tapi

keseluruhan baris sehingga kita bisa memastikan yang mana puncak dan yang mana

lembah dari hasil pengolahan gambar tersebut.

Dibawah ini terdapat gambar 3D hasil pengolahan dari image sampel pelat

kalibrator 2,9 μm .

a b

Gambar 4.12 (a)image sampel 2.9 mikron (b)Plot 3D dari image

Dapat kita lihat pada gambar diatas bahwa secara 3D nyata sekali perbedaan

antara lembah dan puncak dari permukaan sampel tersebut. Nilai dari brightness

ditentukan dari warna yang semakin merah yang menunjukan nilai puncak, dan warna

yang semakin biru yang menunjukan nilai lembah.


Dibawah ini dapat kita lihat gambar-gambar hasil pengeplotan 3D dari 10

sampel.






Dari gambar-gambar diatas dapat kita simpulkan bahwa fitur-fitur yang

terdapat pada kekasaran permukaan hasil pemesinan dapat kita tampilakan dan

dianalisa dengan menggunakan gambar atau image dari permukaan tersebut. Kita

dapat menentukan lembah dan puncak dengan melihat hasil plot 2D maupun plot 3D

untuk kemudian kita analisis. Dengan algoritma tertentu, kita juga dapat menentukan

nilai dari Ra (rata-rata aritmatika) dari image permukaan tersebut dengan berbasis

nilai brightness-nya. Bahkan kita juga bisa mencari jarak antara puncak ke puncak

ataupun jarak antara lembah ke lembah dengan berbasis piksel.


BAB III PERALATAN DAN PROSEDUR PENELITIAN 3.1 Material dan...

Documents

Transcript of BAB III PERALATAN DAN PROSEDUR PENELITIAN 3.1 Material dan...